• 股票获取接口


    股票接口

    首先我们需要得到所有的股票代码,好在已经有网页帮我们列出了所有的股票名称和代码,地址是:

    http://quote.eastmoney.com/stocklist.html

    通过这个页面,就可以抓取了。抓取之后我们就可以存入mysql中,每一个股票可以存一张表,而每一张表中则可以存入股票的动态数据。

    这里我们只能获取到一些最简单的数据,一些更加详细的数据还需要获取,这里需要使用一个腾讯财经的接口

    http://qt.gtimg.cn/q=sz000858

    该接口为获取五粮液的股票数据,返回结果如下:

    v_sz000858="51~五 粮 液~000858~52.79~53.70~53.50~63629~24808~38821~52.76~21~52.75~321~52.74~10~52.73~38~52.72~80~52.79~131~52.80~340~52.82~60~52.83~26~52.84~1~09:55:06/52.79/193/B/1018514/1168|09:55:03/52.79/121/S/638756/1166|09:55:00/52.79/48/S/253405/1165|09:54:57/52.79/3/S/15838/1162|09:54:54/52.79/151/B/796991/1160|09:54:51/52.78/105/S/554359/1158~20170615095507~-0.91~-1.69~53.71~52.60~52.79/63267/335599767~63629~33751~0.17~26.81~~53.71~52.60~2.07~2003.78~2003.89~3.95~59.07~48.33~1.99";

    解析数据的时候需要按照~进行分割,分割之后数据含义如下

    0: 未知,可能是在腾讯数据库中的主键
    1: 名字
    2: 代码
    3: 当前价格
    4: 昨收
    5: 今开
    6: 成交量(手)
    7: 外盘
    8: 内盘
    9: 买一
    10: 买一量(手)
    11-18: 买二 买五
    19: 卖一
    20: 卖一量
    21-28: 卖二 卖五
    29: 最近逐笔成交
    30: 时间
    31: 涨跌
    32: 涨跌%
    33: 最高
    34: 最低
    35: 价格/成交量(手)/成交额
    36: 成交量(手)
    37: 成交额(万)
    38: 换手率
    39: 市盈率
    40: 
    41: 最高  
    42: 最低
    43: 振幅
    44: 流通市值
    45: 总市值
    46: 市净率
    47: 涨停价
    48: 跌停价
    

    通过这个接口我们就可以完善股票基础数据了,从目前来看,我们仅仅需要这些数据。

    struct stock{
        id,    #主键
        code,  #股票代码,作唯一索引处理
        type, #股票类型,有sz,hs分别表示深圳,沪深
        name,  #股票名称,字符串类型
        pe,    #市盈率
        pb,   #市净率
    }

    接着就是每日下午三点之后更新当日的数据,我们要做的就是对当天的数据进行分析,当日股票的数据结构如下

    struct sotck_id{
        code,           #股票代码
        type,            #股票类型
        open_price,      #开盘价
        close_price,     #收盘价 
        peak_price,      #最高价 
        low_price,       #最低价
        main_inflow,     #主力流入
        main_outflow,   #主力流出
        main_net_inflow, #主力净流入
    }

    腾讯还有一个获取资金流向的接口,这让我们很方便的看出主力的操作

    接口地址

    http://qt.gtimg.cn/q=ff_sz300658

    获取的数据结果如下

    v_ff_sz300658="sz300658~5918.75~6913.40~-994.66~-4.97~14088.73~13094.08~994.65~4.97~20007.48~49843.378~46441.413~延江股份~20170616~20170615^12366.07^10534.77~20170614^9722.16^8610.57~20170613^12193.90^8315.81~20170612^9642.50^12066.86";

    以~分割字符串,得到的结果以及含义如下

    0: 股票代码
    1: 主力流入
    2: 主力流出
    3: 主力净流入
    4: 主力净流入/资金流入流出总和
    5: 散户流入
    6: 散户流出
    7: 散户净流入
    8: 散户净流入/资金流入流出总和
    9: 资金流入流出总和1+2+5+6
    10: 未知
    11: 未知
    12: 名字
    13: 日期

    设定阈值

    有了股票数据就好办了,可以利用各种技术指标对股票进行筛选,每天只需要关注符合我们技术指标的股票就可以了,这种方法适合超短线。

    常用有可以分析蜡烛图,MACD,主力资金流向等等。这里就不详细多说了,我也是个菜鸟,目前还正在学习。

    历史数据验证

    设定好了阈值,就可以进行历史数据回测了,通过历史数据来验证我们的程序到底是不是准确。

    获取历史数据我们选用凤凰财经的接口,code表示股票的代码。

    http://api.finance.ifeng.com/akdaily/?code=sz002307&type=last

    这个接口可以一次性获取股票的历史数据,其中每个数组里面的数据如下所示

    ["2017-06-16","18.180","19.290","18.300","17.400","1000574.62","0.420","2.35","16.614","16.121","16.023","644,057.57","537,300.99","490,775.52","17.95"]

    通过与软件的对比,可以得到这些数据的含义

    0  日期
    1  开盘价
    2  最高价
    3  收盘价
    4  最低价
    5  成交量
    6  涨跌额
    7  涨跌幅
    8  5日均价
    9  10日均价
    10 20日均价
    11 5日均量
    12 10日均量
    13 20日均量
    14 换手率

    涨跌家数
    https://hq.sinajs.cn/rn=1587089097462&list=sh000002_zdp,sz399107_zdp,sh000003_zdp,sz399108_zdp,sz399102_zdp

    返回
    var hq_str_sh000002_zdp="961,427,113";
    var hq_str_sz399107_zdp="1432,633,138";
    var hq_str_sh000003_zdp="26,12,11";
    var hq_str_sz399108_zdp="24,13,9";
    var hq_str_sz399102_zdp="561,203,36";
    
    
    sh000002 = 沪A
    sz399107 = 深A
    sh000003 = 全B
    sz399102 = 创业
    961是上涨家数
    427是平家数
    113是下跌家数








  • 相关阅读:
    使用 UPX 压缩可执行文件——UPX有不光彩的使用记录,它被用来给木马和病毒加壳,躲避杀毒软件的查杀
    进程注入检测 —— RtlCaptureStackBackTrace 获取当前函数的调用栈函数
    教程:开始使用 Microsoft Sentinel 中的 Jupyter Notebook 和 MSTICPy——威胁狩猎用,含一些异常检测的包
    查看GPU占用率以及指定GPU加速程序
    columbo——EDR上进程注入可以使用,依赖Volatility3 内存提取,无文件攻击典型场景
    AugLy 是fb的一个数据增强库
    IBM的人工智能安全隐私包——感觉就是看论文实现了一个工具,实际效果待工业检验
    Aequitas 偏见和公平审计工具包——如果是真的数据不均衡,效果会不会很差呢?
    进程注入如何通过调用栈,使用ML分类来检测——非常值得借鉴,待实践
    linux diff对比文件
  • 原文地址:https://www.cnblogs.com/ilovecpp/p/12717697.html
Copyright © 2020-2023  润新知